如何使用Python将CSV文件中的created_utc值转换为常规日期格式

方案1：Pandas原生方法（推荐，大数据量下效率远高于逐行调用datetime） #

不需要额外引入datetime库，直接用pandas内置的时间处理方法即可完成批量转换，代码如下：

import pandas as pd

# 读取你保存的CSV文件
df = pd.read_csv("你的文件路径.csv")

# 批量转换created_utc字段为UTC时间格式，unit='s'表示输入为秒级时间戳
df["created_time"] = pd.to_datetime(df["created_utc"], unit="s", utc=True)

# 提取单独的年、月、日字段
df["year"] = df["created_time"].dt.year
df["month"] = df["created_time"].dt.month
df["day"] = df["created_time"].dt.day

# 如果需要输出为YYYY-MM-DD格式的日期字符串，可以加这行
df["date_str"] = df["created_time"].dt.strftime("%Y-%m-%d")

# 处理完成后保存回CSV
df.to_csv("处理后的文件路径.csv", index=False)

方案2：基于你已知的datetime.utcfromtimestamp方法批量应用 #

如果需要沿用你已经熟悉的单值转换逻辑，可以用apply方法对整列批量执行，适合小数据量场景：

import pandas as pd
from datetime import datetime

df = pd.read_csv("你的文件路径.csv")

# 对整列应用utcfromtimestamp方法
df["created_time"] = df["created_utc"].apply(lambda x: datetime.utcfromtimestamp(x))

# 后续提取年、月、日的逻辑和上面一致
df["year"] = df["created_time"].dt.year
df["month"] = df["created_time"].dt.month
df["day"] = df["created_time"].dt.day

df.to_csv("处理后的文件路径.csv", index=False)

注意事项 #

• Pushshift API返回的created_utc默认是秒级时间戳，如果你的数据是毫秒级的，把方案1中pd.to_datetime的unit参数改为'ms'即可。

内容的提问来源于stack exchange，提问作者Jonathan Vendelboe